听觉记忆识别与预测编码的大脑时空层次结构
听觉记忆识别与预测编码的大脑时空层次结构
背景介绍
本研究旨在探索人类脑在识别之前记忆的音乐序列及其系统性变化时的层次性脑机制。虽然有关视空模式的神经处理已经进行了广泛研究，但对意识识别听觉序列及其关联的预测误差的理解依然不足。听觉系统从随时间发展形成的模式和序列中提取信息，为理解大脑的时间层次提供了独特的机会。相关研究推测大脑通过预测编码理论（Predictive Coding Theory，PCT）不断更新内部模型来预测外界信息和刺激。
研究来源
本文作者包括L. Bonetti, G. Fernández-Rubio, F. Carlomagno, M. Dietz, D. Pantazis, P. Vuust和M. L. Kringelbach，分别来自奥胡斯大学、牛津大学、波洛尼亚大学、巴里大学、麻省理工学院的相关研究中心，于2024年发表在《Nature Communications》期刊上。
研究流程
实验设计
在本实验中，83名参与者被要求在进行磁脑成像（MEG）记录期间完成一个旧/新听觉识别任务。实验首先让参与者记住一段短的音乐片段，然后在测试阶段随机呈现135个五个音符的音乐序列(27个记忆序列（M），108个新序列（N）)，参与者需要判断这些序列是否为之前记忆的音乐片段(“M”)，还是新的变化序列(“N”)。
数据采集
MEG数据在磁屏蔽室内以1000Hz的采样率记录，并选择典型参数进行前处理。每位参与者的头部形状和头位指示器被记录下来，并用来校准MEG数据与个体的MRI解剖扫描。
数据预处理和分析
使用独立成分分析（ICA）方法去除眼动和心电伪影，并对数据进行时间窗切片和基线校正。接着，使用支持向量机（SVM）对不同的神经活动进行解码，评估记忆序列(M)与新序列(N)的解码准确性。
单变量分析和多变量模式分析
进行多变量模式分析和时间通用性分析，以解码记忆序列与新序列的不同神经活动，并评估其稳定性。综合结果展示了M和N序列间显著的神经活动差异。
源重建和功能层次分析
通过源重建技术，识别出脑内活动的时间和空间分布特征。然后使用动态因果建模（DCM）评估神经层次结构，通过比较不同模型的证据，确认假设模型的有效性。
诱发和事件相关电位分析
利用复杂Morlet小波变换进行事件相关电位分析，揭示不同ROI中的功率变化和时间频率分析结果。
主要研究结果
记忆序列与新序列的差异
结果表明，听觉皮层在第一个变化音符出现时无法区分不同强度的错误，而双侧海马、前扣带回和内侧扣带回对第一个变化音符的响应明显强于后续音符。这表明这些区域可能与变化意识的脑信号密切相关。
脑功能层次结构
研究确认了听觉皮层向海马、前扣带回和内侧扣带回的前馈连接，以及相反方向的反馈连接。这一层次结构在整个序列过程中保持一致，除了最后一个音符，内侧扣带回在层次结构中占据顶位。这表明，当听到最后一个音符时，大脑可能为序列分类（“记忆的”或“新的”）做好准备，内侧扣带回在决策和评估过程中扮演关键角色。
功能层次异同
序列识别的脑层次结构在记忆序列和变化序列中大体保持不变，但两者的时间动态、强度和极性显著不同。当预测的音符与之前存储的记忆一致时，首先是听觉皮层，随后是海马、前扣带回和内侧扣带回呈现正相反应。相反，当预测音符不一致时，这一相同的脑网络内显示出负相反应且速度更快的路径。
脑波频谱分析
诱导相应分析表明，在序列结束后，α和β波段的功率在变化序列中明显强于记忆序列，符合之前的研究结果。
结论与意义
本研究通过提供大脑在长时间记忆识别和预测处理期间的层次性机制的定量证据，扩展了预测编码理论（PCT）的应用。研究表明，在复杂认知任务中，大脑功能层次结构的时间动态、强度和极性存在显著差异。本研究有助于理解人类感知与认知的神经基础，并为建立更复杂的认知模型提供了新思路。
研究亮点
- 提供了大脑在长时间记忆识别和预测处理期间的层次性机制的定量证据。
- 发现记忆序列和变化序列在时间动态、强度和极性上的显著差异。
- 确认了听觉皮层向海马、前扣带回和内侧扣带回的前馈连接及相反方向的反馈连接。
本研究展示了复杂认知任务中的大脑机制和层次结构，为深入理解预测编码理论提供了有力支持。